嵌入式設(shè)計方案之ARM非特定人語音識別系統(tǒng)

引言

隨著高新技術(shù)在軍事、消費電子等領(lǐng)域的廣泛運用，語音識別技術(shù)逐漸成為人機交互的重要方式。傳統(tǒng)的鍵盤、按鈕、開關(guān)等交互方式已不能滿足現(xiàn)代應(yīng)用的需求，人們迫切希望機器設(shè)備能夠“聽懂”人類的語音信息并進(jìn)行交互。非特定人語音識別技術(shù)可以滿足不同人的語音識別要求，適合廣泛人群應(yīng)用，因此成為研究和應(yīng)用的熱點。本文將詳細(xì)介紹一種采用ARM處理器作為控制核心的非特定人語音識別系統(tǒng)的設(shè)計方案，并重點討論主控芯片的型號及其在設(shè)計中的作用。

系統(tǒng)概述

本設(shè)計方案利用IC Route公司的非特定語音識別芯片LD3320與ARM Cortex M3內(nèi)核ST公司的32位高性能單片機STM32F103C8T6組成功能主體。系統(tǒng)通過構(gòu)建SD卡文件系統(tǒng)，實現(xiàn)識別列表關(guān)鍵詞的動態(tài)編輯，具有高性價比、交互簡易、識別率高、擴展性強等特點，適用于嵌入式語音識別場合。

主控芯片型號及其作用

STM32F103C8T6

1. 芯片介紹

STM32F103C8T6是ST公司推出的一款基于ARM Cortex-M3內(nèi)核的32位高性能單片機。該芯片采用LQFP48封裝，擁有豐富的外設(shè)接口和高速存儲器，可以滿足高穩(wěn)定性、低功耗、實時性、高性價比的嵌入式產(chǎn)品應(yīng)用需求。

2. 性能參數(shù)

• 工作頻率：最高可達(dá)72 MHz。

• 內(nèi)置存儲器：64 KB的閃存和20 KB的SRAM。

• 外設(shè)接口：包括I2C、SPI、USART、USB、CAN等總線或串行通信接口。

• 定時器和ADC：通用16位定時器、12位ADC等。

3. 在設(shè)計中的作用

STM32F103C8T6作為系統(tǒng)的控制核心，主要承擔(dān)以下任務(wù)：

• 初始化系統(tǒng)：包括內(nèi)部時鐘、SD卡文件系統(tǒng)、SPI相關(guān)寄存器、SDIO數(shù)據(jù)初始化、中斷設(shè)置等。

• 協(xié)調(diào)各部分工作：通過SPI總線與LD3320語音識別芯片進(jìn)行通信，控制其進(jìn)行語音識別和音頻解碼；通過串口與其他模塊進(jìn)行數(shù)據(jù)傳輸。

• 處理識別結(jié)果：接收LD3320的識別結(jié)果，并根據(jù)需求輸出響應(yīng)信息或解碼音頻。

STM32F103C8T6的高性能、低功耗和豐富的外設(shè)接口使其成為非特定人語音識別系統(tǒng)的理想選擇。其高速的處理能力和穩(wěn)定的性能保證了系統(tǒng)的實時性和識別率。

系統(tǒng)詳細(xì)設(shè)計

系統(tǒng)組成

本系統(tǒng)主要由STM32F103C8T6微控制器、LD3320語音識別芯片、SD卡電路、電源電路、用戶按鍵輸入電路、串口數(shù)據(jù)輸出電路、狀態(tài)指示電路等組成。

1. LD3320語音識別芯片

LD3320是非特定人語音識別的專用芯片，內(nèi)部集成了語音識別處理器和一些信號調(diào)制電路。用戶只需要用軟件編輯好待識別的關(guān)鍵詞列表，LD3320最大可以支持50條關(guān)鍵詞句。該芯片支持并行數(shù)據(jù)通信和串行數(shù)據(jù)通信，本系統(tǒng)設(shè)計中考慮對主控I/O資源的占用問題，選用串行通信方式對LD3320進(jìn)行數(shù)據(jù)傳送和控制。

2. SD卡電路

系統(tǒng)通過SD卡文件系統(tǒng)實現(xiàn)識別列表關(guān)鍵詞的動態(tài)編輯。SD卡需要實現(xiàn)格式化，其中包含一個名為system.ini的配置文件，該文件包含了待識別的關(guān)鍵詞列表。系統(tǒng)上電后，STM32F103C8T6會初始化SD卡文件系統(tǒng)，讀取system.ini配置文件，并將關(guān)鍵詞列表和長度信息傳送給LD3320，啟動識別過程。

3. 電源電路

語音識別單元對電源供電電路的要求較高，系統(tǒng)中采用LDO芯片LM1117-3.3V為語音識別系統(tǒng)供電，并通過電感、電容進(jìn)行濾波，確保供電的純凈度。

4. 用戶按鍵輸入電路和串口數(shù)據(jù)輸出電路

用戶按鍵輸入電路用于接收用戶的操作指令，如啟動識別、停止識別等。串口數(shù)據(jù)輸出電路用于輸出識別結(jié)果或解碼后的音頻數(shù)據(jù)。

5. 狀態(tài)指示電路

狀態(tài)指示電路用于顯示系統(tǒng)的當(dāng)前狀態(tài)，如初始化狀態(tài)、識別狀態(tài)、解碼狀態(tài)等，方便用戶進(jìn)行觀察和調(diào)試。

系統(tǒng)工作流程

系統(tǒng)上電后，首先進(jìn)行各項初始化，包括STM32F103C8T6內(nèi)部時鐘、SD卡文件系統(tǒng)、SPI相關(guān)寄存器、中斷設(shè)置等。然后，系統(tǒng)會在SD卡中尋找system.ini配置文件，讀取關(guān)鍵詞識別列表內(nèi)容，并將關(guān)鍵字句列表和長度信息傳送給LD3320。隨后，系統(tǒng)進(jìn)入等待識別音頻接收狀態(tài)。當(dāng)接收到識別音頻后，LD3320會進(jìn)行語音識別，并將識別結(jié)果通過串口發(fā)送給STM32F103C8T6。STM32F103C8T6根據(jù)識別結(jié)果輸出響應(yīng)信息或解碼音頻。

語音識別過程

語音識別過程通常分為“前端”和“后端”兩大模塊。

1. 前端模塊

前端模塊主要負(fù)責(zé)進(jìn)行端點檢測、降噪、特征提取等。端點檢測用于確定語音信號的開始和結(jié)束位置；降噪用于去除語音信號中的噪聲干擾；特征提取用于提取語音信號中的關(guān)鍵特征，以便后續(xù)進(jìn)行模式識別。

2. 后端模塊

后端模塊主要利用訓(xùn)練好的“聲學(xué)模型”和“語言模型”對用戶說話的特征向量進(jìn)行統(tǒng)計模式識別，得到其包含的文字信息。此外，后端模塊還存在一個“自適應(yīng)”的反饋模塊，可以對用戶的語音進(jìn)行自學(xué)習(xí)，從而對“聲學(xué)模型”和“語言模型”進(jìn)行必要的“校正”，進(jìn)一步提高識別的準(zhǔn)確率。

系統(tǒng)特點

• 高性價比：采用STM32F103C8T6和LD3320組合，降低了硬件成本，提高了系統(tǒng)的性價比。

• 交互簡易：用戶只需要通過編輯SD卡中的system.ini文件即可實現(xiàn)識別列表關(guān)鍵詞的動態(tài)編輯，操作簡便。

• 識別率高：采用先進(jìn)的語音識別算法和優(yōu)化的電路設(shè)計，提高了系統(tǒng)的識別率。

• 擴展性強：系統(tǒng)具有豐富的外設(shè)接口和高速的處理器性能，方便后續(xù)的功能擴展和升級。

應(yīng)用領(lǐng)域

嵌入式非特定人語音識別系統(tǒng)具有體積小、可靠性高、功耗低、價格低、易于商品化等特點，應(yīng)用領(lǐng)域十分廣泛。

1. 智能玩具

嵌入式非特定人語音識別系統(tǒng)可以作為智能玩具的控制核心，通過語音識別實現(xiàn)玩具的語音交互和控制。

2. 學(xué)習(xí)機

在學(xué)習(xí)機中，嵌入式非特定人語音識別系統(tǒng)可以實現(xiàn)語音問答、語音點讀等功能，提高學(xué)習(xí)效果。

3. 消費電子

在消費電子領(lǐng)域，嵌入式非特定人語音識別系統(tǒng)可以作為智能家居、智能音箱等產(chǎn)品的控制核心，實現(xiàn)語音控制家電、播放音樂等功能。

4. 模擬訓(xùn)練器

在軍事領(lǐng)域，嵌入式非特定人語音識別系統(tǒng)可以作為模擬訓(xùn)練器的示教與回放系統(tǒng)的核心組件，實現(xiàn)操作人員的語音交互和訓(xùn)練過程記錄。

結(jié)論

本文介紹了一種采用ARM處理器作為控制核心的非特定人語音識別系統(tǒng)的設(shè)計方案。該方案利用STM32F103C8T6和LD3320組合，通過構(gòu)建SD卡文件系統(tǒng)實現(xiàn)識別列表關(guān)鍵詞的動態(tài)編輯，具有高性價比、交互簡易、識別率高、擴展性強等特點。系統(tǒng)體積小、可靠性高、功耗低，適用于嵌入式語音識別場合。隨著語音識別技術(shù)的不斷發(fā)展和應(yīng)用領(lǐng)域的不斷拓展，嵌入式非特定人語音識別系統(tǒng)將在更多領(lǐng)域發(fā)揮重要作用。